使用电子健康记录进行单心室生理学分类的表型算法
Hang Xu1,2,3, Pierangelo Renella2,4, Ramin Badiyan5
1Division of Cardiology, David Geffen School of Medicine at UCLA and VA Greater Los Angeles Healthcare System, Los Angeles, CA 90095, United States.
JAMIA open
|May 16, 2025
概括
一个新的算法准确地识别单心室生理学 (SVP) 患者使用电子健康记录,超过以前的方法. 这一进步有助于研究和临床护理先天性心脏病 (CHD) 患者.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 一个心室生理学 (SVP) 的先天性心脏病 (CHD) 患者表现出不同的特征,使准确的队列分类变得复杂.
- 电子健康记录 (EHR) 数据为患者表型定型提供了丰富的资源,但需要强大的算法来精确识别.
研究的目的:
- 开发和验证一种高性能表型算法,用于在EHR数据中识别SVP患者.
- 为了比较开发的算法的准确性与以前发表的SVP识别方法.
主要方法:
- 使用了国际疾病分类 (ICD-9/10) 代码,并增强了临床笔记,成像报告和专家领域的知识.
- 开发并测试了该算法在CHD患者的不同队列 (1020人用于开发,2500人用于测试,22500人用于验证).
- 使用准确度,精度,灵敏度和F1分数来评估算法性能.
主要成果:
- 开发的算法在测试队列中获得了99.24%的准确性,89.39%的F1得分,显著优于已发表的方法 (95.20%的准确性,58.04%的F1得分).
- 在验证队列中,该算法表现出93.82%的精度,而已发表的方法的精度为43.00%.
- 该算法通过整合临床笔记和ICD代码有效地识别了假阳性和遗漏病例.
结论:
- 自动化表型算法与医生输入相结合,超过了EHR数据中SVP分类的现有方法.
- 这种算法有可能通过实现预后和监测的自动化队列开发来增强SVP患者的研究和临床管理.
